SPARROW: 適応的な経路探索・観測・待機のための生存POMCP

一時的な障害物が経路を塞ぐ可能性がある状況での逐次ナビゲーション問題を扱う。ロボットは待機・迂回・情報取得のどれを選ぶか判断する必要がある。これを partially observable semi-Markov decision process として定式化し、POMCP に基づく belief-space planner である SPARROW を提案する。SPARROW は traversal・observation・有限時間の waiting 行動を探索し、潜在的な障害物クラスとクリア時間に関する particle belief を維持する。

同じ問題に対する最近の survival-based 手法である OSCAR と比較して、2つの simulation graph と複数の障害物クラス設定で mean time-to-goal を 12-26% 削減した。物理移動ロボットでも OSCAR 比で mean time-to-goal を 20.5% 削減し、環境条件の変化に応じて観測・待機・迂回を選択的に行った。

POMCP を基盤とし、traversal・observation・finite-duration waiting 行動を探索する。潜在障害物クラスとクリア時間に対する particle belief を維持する。クラス条件付き survival model を、クリア観測と、クリア前に迂回した right-censored encounters の両方からオンライン学習する。generative model が各行動の展開に伴う障害物の出現とクリアをシミュレートし、代替経路上で発生しうる閉塞も考慮する。さらに value-of-learning criterion を導入し、ラベル付き survival data 収集の即時コストと将来のナビゲーション regret の期待削減をトレードオフする。

2つの simulation graph と複数の障害物クラス設定で評価し、OSCAR と比較して mean time-to-goal が 12-26% 削減された。物理移動ロボットでも OSCAR 比で mean time-to-goal が 20.5% 削減され、環境条件の変化に応じて観測・待機・迂回を選択的に行うことが確認された。

要旨からは不明。

OSCAR（同じ問題に対する最近の survival-based 手法）が直接の比較対象として挙げられている。関連手法として POMCP も参照されている。